Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido

Detalhes bibliográficos
Autor(a) principal: Nunes, Lorena Andrade
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/11718
Resumo: As estruturas de engenharia estão frequentemente sujeitas a alterações em suas propriedades dinâmicas por conta de diversos fatores, tais como a deterioração da construção devido ao tempo de uso, a falta de manutenção, os efeitos ambientais e operacionais adversos, os carregamentos inesperados, os procedimentos de reforço estrutural, entre outros. Na maioria dos casos, essas modificações podem estar associadas a danos estruturais. O monitoramento contínuo do comportamento dinâmico de uma estrutura possibilita a investigação e a análise de alterações com o objetivo de assegurar sua integridade, garantindo maior conforto e segurança aos usuários, além de possibilitar ações mais eficazes de reparo e manutenção, impactando diretamente na redução dos custos operacionais. Para tanto, sistemas de monitoramento devem dispor de ferramentas computacionais aptas a avaliar as informações adquiridas em tempo real e continuamente. Nesta dissertação, uma nova abordagem baseada na análise direta de medições de aceleração para detectar danos e modificações estruturais utilizando técnicas de inteligência computacional é apresentada. A abordagem consiste na utilização em conjunto de métodos de classificação supervisionados (RNA) e não supervisionados (k-means) para a construção de um classificador híbrido. O objetivo é detectar não apenas estados de dano já conhecidos, mas também estados estruturais que ainda não foram identificados. A ideia é permitir, dessa forma, o monitoramento da integridade estrutural em tempo real, provendo respostas de forma automática e contínua, baseando-se apenas em testes vibracionais ambientes com a estrutura em operação. Para atestar a robustez dessa abordagem, dados oriundos de simulações numéricas e de ensaios experimentais realizados em laboratório e in situ são utilizados. Os resultados obtidos demonstram desempenho promissor da metodologia proposta.
id UFJF_0b22604c4c29e252bac97a2d3edc6129
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/11718
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Cury, Alexandre Abrahãohttp://lattes.cnpq.br/1092810690505352Barbosa, Flávio de Souzahttp://lattes.cnpq.br/3967943593612229Fonseca, Leonardo Goliatt dahttp://lattes.cnpq.br/9030707448549156Martins, Cláudio Joséhttp://lattes.cnpq.br/http://lattes.cnpq.br/3027529566603077Nunes, Lorena Andrade2020-09-24T19:54:26Z2020-09-242020-09-24T19:54:26Z2020-02-19https://repositorio.ufjf.br/jspui/handle/ufjf/11718As estruturas de engenharia estão frequentemente sujeitas a alterações em suas propriedades dinâmicas por conta de diversos fatores, tais como a deterioração da construção devido ao tempo de uso, a falta de manutenção, os efeitos ambientais e operacionais adversos, os carregamentos inesperados, os procedimentos de reforço estrutural, entre outros. Na maioria dos casos, essas modificações podem estar associadas a danos estruturais. O monitoramento contínuo do comportamento dinâmico de uma estrutura possibilita a investigação e a análise de alterações com o objetivo de assegurar sua integridade, garantindo maior conforto e segurança aos usuários, além de possibilitar ações mais eficazes de reparo e manutenção, impactando diretamente na redução dos custos operacionais. Para tanto, sistemas de monitoramento devem dispor de ferramentas computacionais aptas a avaliar as informações adquiridas em tempo real e continuamente. Nesta dissertação, uma nova abordagem baseada na análise direta de medições de aceleração para detectar danos e modificações estruturais utilizando técnicas de inteligência computacional é apresentada. A abordagem consiste na utilização em conjunto de métodos de classificação supervisionados (RNA) e não supervisionados (k-means) para a construção de um classificador híbrido. O objetivo é detectar não apenas estados de dano já conhecidos, mas também estados estruturais que ainda não foram identificados. A ideia é permitir, dessa forma, o monitoramento da integridade estrutural em tempo real, provendo respostas de forma automática e contínua, baseando-se apenas em testes vibracionais ambientes com a estrutura em operação. Para atestar a robustez dessa abordagem, dados oriundos de simulações numéricas e de ensaios experimentais realizados em laboratório e in situ são utilizados. Os resultados obtidos demonstram desempenho promissor da metodologia proposta.Engineering structures are often subject to changes in their dynamic properties due to various factors such as deterioration of construction due to time of use, the lack of maintenance, adverse environmental and operational effects, unexpected loads, structural reinforcement procedures, among others. In most cases, these modifications may be associated with structural damage. Continuous monitoring of the dynamic behavior of a structure makes it possible to investigate and analyze changes to ensure their integrity, ensuring greater comfort and safety for users and enabling more effective repair and maintenance actions, directly impacting the reduction of operating costs. For such, monitoring systems must have computational tools able to evaluate the acquired information in real time and continuously. In this dissertation, a new approach based on the direct analysis of acceleration measurements to detect structural damage and modifications using computational intelligence techniques is presented. The approach is to use together supervised (RNA) and unsupervised (k-means) classification methods to construct a hybrid classifier. The goal is to detect not only known damage states but also unidentified structural states. The idea is thus to allow the real-time monitoring of structural integrity, providing answers automatically and continuously, based only on vibrational testing environments with the structure in operation. To attest to the robustness of this approach, data from numerical simulations and experimental tests performed in the laboratory and in situ are used. The results show promising performance of the proposed methodologyFAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas GeraisporUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia Civil (PEC)UFJFBrasilFaculdade de EngenhariaAttribution-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA CIVILModificações estruturaisDetecção de danosClassificador híbridoStructural modificationsDamage detectionHybrid sorterDetecção de dano em estruturas baseada em técnicas de aprendizado híbridoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFORIGINALlorenaandradenunes.pdflorenaandradenunes.pdfPDF/Aapplication/pdf12134625https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/1/lorenaandradenunes.pdf8ae0f97c122a6bda513916d656018bc5MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/2/license_rdfc4c98de35c20c53220c07884f4def27cMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTlorenaandradenunes.pdf.txtlorenaandradenunes.pdf.txtExtracted texttext/plain223461https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/4/lorenaandradenunes.pdf.txtd05437a2f4e7f198d89e34fabafd225eMD54THUMBNAILlorenaandradenunes.pdf.jpglorenaandradenunes.pdf.jpgGenerated Thumbnailimage/jpeg1184https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/5/lorenaandradenunes.pdf.jpg1ac589a19b24ed5c572571d1c2ab5f47MD55ufjf/117182020-09-25 03:07:12.698oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2020-09-25T06:07:12Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
title Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
spellingShingle Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
Nunes, Lorena Andrade
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
Modificações estruturais
Detecção de danos
Classificador híbrido
Structural modifications
Damage detection
Hybrid sorter
title_short Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
title_full Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
title_fullStr Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
title_full_unstemmed Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
title_sort Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
author Nunes, Lorena Andrade
author_facet Nunes, Lorena Andrade
author_role author
dc.contributor.advisor1.fl_str_mv Cury, Alexandre Abrahão
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1092810690505352
dc.contributor.advisor-co1.fl_str_mv Barbosa, Flávio de Souza
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/3967943593612229
dc.contributor.referee1.fl_str_mv Fonseca, Leonardo Goliatt da
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/9030707448549156
dc.contributor.referee2.fl_str_mv Martins, Cláudio José
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3027529566603077
dc.contributor.author.fl_str_mv Nunes, Lorena Andrade
contributor_str_mv Cury, Alexandre Abrahão
Barbosa, Flávio de Souza
Fonseca, Leonardo Goliatt da
Martins, Cláudio José
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
topic CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
Modificações estruturais
Detecção de danos
Classificador híbrido
Structural modifications
Damage detection
Hybrid sorter
dc.subject.por.fl_str_mv Modificações estruturais
Detecção de danos
Classificador híbrido
Structural modifications
Damage detection
Hybrid sorter
description As estruturas de engenharia estão frequentemente sujeitas a alterações em suas propriedades dinâmicas por conta de diversos fatores, tais como a deterioração da construção devido ao tempo de uso, a falta de manutenção, os efeitos ambientais e operacionais adversos, os carregamentos inesperados, os procedimentos de reforço estrutural, entre outros. Na maioria dos casos, essas modificações podem estar associadas a danos estruturais. O monitoramento contínuo do comportamento dinâmico de uma estrutura possibilita a investigação e a análise de alterações com o objetivo de assegurar sua integridade, garantindo maior conforto e segurança aos usuários, além de possibilitar ações mais eficazes de reparo e manutenção, impactando diretamente na redução dos custos operacionais. Para tanto, sistemas de monitoramento devem dispor de ferramentas computacionais aptas a avaliar as informações adquiridas em tempo real e continuamente. Nesta dissertação, uma nova abordagem baseada na análise direta de medições de aceleração para detectar danos e modificações estruturais utilizando técnicas de inteligência computacional é apresentada. A abordagem consiste na utilização em conjunto de métodos de classificação supervisionados (RNA) e não supervisionados (k-means) para a construção de um classificador híbrido. O objetivo é detectar não apenas estados de dano já conhecidos, mas também estados estruturais que ainda não foram identificados. A ideia é permitir, dessa forma, o monitoramento da integridade estrutural em tempo real, provendo respostas de forma automática e contínua, baseando-se apenas em testes vibracionais ambientes com a estrutura em operação. Para atestar a robustez dessa abordagem, dados oriundos de simulações numéricas e de ensaios experimentais realizados em laboratório e in situ são utilizados. Os resultados obtidos demonstram desempenho promissor da metodologia proposta.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-09-24T19:54:26Z
dc.date.available.fl_str_mv 2020-09-24
2020-09-24T19:54:26Z
dc.date.issued.fl_str_mv 2020-02-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/11718
url https://repositorio.ufjf.br/jspui/handle/ufjf/11718
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Engenharia Civil (PEC)
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Engenharia
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/1/lorenaandradenunes.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/2/license_rdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/3/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/4/lorenaandradenunes.pdf.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/5/lorenaandradenunes.pdf.jpg
bitstream.checksum.fl_str_mv 8ae0f97c122a6bda513916d656018bc5
c4c98de35c20c53220c07884f4def27c
8a4605be74aa9ea9d79846c1fba20a33
d05437a2f4e7f198d89e34fabafd225e
1ac589a19b24ed5c572571d1c2ab5f47
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1801661379934945280